Buchumschlag

Variational Neural Networks for Observable Thermodynamics (V-NOTS)

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Eldred, Christopher, Gay-Balmaz, François, Putkaradze, Vakhtang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CLPNets: Coupled Lie-Poisson Neural Networks for Multi-Part Hamiltonian Systems with Symmetries
von: Eldred, Christopher, et al.
Veröffentlicht: (2024)

Structure-preserving learning and prediction in optimal control of collective motion
von: Huraka, Sofiia, et al.
Veröffentlicht: (2026)

Geometric, Variational, and Bracket Descriptions of Fluid Motion with Open Boundaries
von: Eldred, Christopher, et al.
Veröffentlicht: (2024)

A Variational Principle for Extended Irreversible Thermodynamics: Heat Conducting Viscous Fluids
von: Gay-Balmaz, François
Veröffentlicht: (2025)

The Dictator Dilemma: The Distortion of Information Flow in Autocratic Regimes and Its Consequences
von: Putkaradze, Vakhtang
Veröffentlicht: (2023)

DeNOTS: Stable Deep Neural ODEs for Time Series
von: Kuleshov, Ilya, et al.
Veröffentlicht: (2024)

Variational Principles for Shock Dynamics in Compressible Euler Flows
von: Gay-Balmaz, François, et al.
Veröffentlicht: (2026)

Swirling fluid flow in flexible, expandable elastic tubes: variational approach, reductions and integrability
von: Ivanov, Rossen, et al.
Veröffentlicht: (2019)

Variational integrators for stochastic Hamiltonian systems on Lie groups: properties and convergence
von: Gay-Balmaz, François, et al.
Veröffentlicht: (2024)

Variational and thermodynamically consistent finite element discretization for heat conducting viscous fluids
von: Gawlik, Evan S., et al.
Veröffentlicht: (2022)

General relativistic Lagrangian continuum theories -- Part I: reduced variational principles and junction conditions for hydrodynamics and elasticity
von: Gay-Balmaz, François
Veröffentlicht: (2022)

Variational formulation of a general dissipative fluid system with differential forms
von: Manach-Pérennou, Bastien, et al.
Veröffentlicht: (2026)

Quantum-classical solvation hydrodynamics: a Hamiltonian modeling framework
von: Gay-Balmaz, François, et al.
Veröffentlicht: (2026)

Complex fluid models of mixed quantum-classical dynamics
von: Gay-Balmaz, François, et al.
Veröffentlicht: (2023)

Partially Observable Gaussian Process Network and Doubly Stochastic Variational Inference
von: Kiroriwal, Saksham, et al.
Veröffentlicht: (2025)

Variational Neural Networks
von: Oleksiienko, Illia, et al.
Veröffentlicht: (2022)

Solvation Free Energies from Neural Thermodynamic Integration
von: Máté, Bálint, et al.
Veröffentlicht: (2024)

General relativistic Lagrangian continuum theories -- Part II: electromagnetic fluids and solids with junction conditions
von: Gay-Balmaz, Francçois
Veröffentlicht: (2025)

Graph Variate Neural Networks
von: Roy, Om, et al.
Veröffentlicht: (2025)

THINNs: Thermodynamically Informed Neural Networks
von: Castro, Javier, et al.
Veröffentlicht: (2025)

Variational Graph Convolutional Neural Networks
von: Oleksiienko, Illia, et al.
Veröffentlicht: (2025)

Neural Thermodynamic Integration: Free Energies from Energy-based Diffusion Models
von: Máté, Bálint, et al.
Veröffentlicht: (2024)

Adaptive Non-local Observable on Quantum Neural Networks
von: Lin, Hsin-Yi, et al.
Veröffentlicht: (2025)

OUI as a Structural Observable: Towards an Activation-Centric View of Neural Network Training
von: Fernández-Hernández, Alberto, et al.
Veröffentlicht: (2026)

A Comparative Investigation of Thermodynamic Structure-Informed Neural Networks
von: Li, Guojie, et al.
Veröffentlicht: (2026)

Stein Variational Newton Neural Network Ensembles
von: Flöge, Klemens, et al.
Veröffentlicht: (2024)

Diagonal Adaptive Non-local Observables on Quantum Neural Networks
von: Tseng, Huan-Hsin, et al.
Veröffentlicht: (2026)

The Sensitivity of Variational Bayesian Neural Network Performance to Hyperparameters
von: Koermer, Scott, et al.
Veröffentlicht: (2025)

Variational Inference on the Final-Layer Output of Neural Networks
von: Wei, Yadi, et al.
Veröffentlicht: (2023)

Variational Stochastic Gradient Descent for Deep Neural Networks
von: Chen, Haotian, et al.
Veröffentlicht: (2024)

SGD as Free Energy Minimization: A Thermodynamic View on Neural Network Training
von: Sadrtdinov, Ildus, et al.
Veröffentlicht: (2025)

Temporal Knowledge-Graph Memory in a Partially Observable Environment
von: Kim, Taewoon, et al.
Veröffentlicht: (2024)

An Uncertainty Principle for Linear Recurrent Neural Networks
von: François, Alexandre, et al.
Veröffentlicht: (2025)

Thermodynamics-Consistent Graph Neural Networks
von: Rittig, Jan G., et al.
Veröffentlicht: (2024)

Lecture Notes on Verifying Graph Neural Networks
von: Schwarzentruber, François
Veröffentlicht: (2025)

Can Stationary Distributions of Scale-Invariant Neural Networks Be Described by the Thermodynamics of an Ideal Gas?
von: Sadrtdinov, Ildus, et al.
Veröffentlicht: (2025)

Training Bayesian Neural Networks with Sparse Subspace Variational Inference
von: Li, Junbo, et al.
Veröffentlicht: (2024)

Variational Graph Neural Networks for Uncertainty Quantification in Inverse Problems
von: Gonzalez, David, et al.
Veröffentlicht: (2026)

Learning with Importance Weighted Variational Inference
von: Daudel, Kamélia, et al.
Veröffentlicht: (2024)

The Map Equation Goes Neural: Mapping Network Flows with Graph Neural Networks
von: Blöcker, Christopher, et al.
Veröffentlicht: (2023)